CN112527105A - 人机互动方法、装置、电子设备及存储介质 - Google Patents
人机互动方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112527105A CN112527105A CN202011364599.9A CN202011364599A CN112527105A CN 112527105 A CN112527105 A CN 112527105A CN 202011364599 A CN202011364599 A CN 202011364599A CN 112527105 A CN112527105 A CN 112527105A
- Authority
- CN
- China
- Prior art keywords
- interaction
- interactive
- action parameters
- user
- animation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 238
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000002452 interceptive effect Effects 0.000 claims abstract description 107
- 230000009471 action Effects 0.000 claims abstract description 82
- 230000015654 memory Effects 0.000 claims description 19
- 230000002996 emotional effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 9
- 238000013135 deep learning Methods 0.000 abstract description 8
- 238000003058 natural language processing Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004397 blinking Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 235000012149 noodles Nutrition 0.000 description 3
- 241000167926 Entoprocta Species 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Child & Adolescent Psychology (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请公开了人机互动方法、装置、电子设备及存储介质,涉及计算机技术领域,具体涉及语音识别、自然语言处理、深度学习等人工智能技术领域。具体实现方案为:获取用户输入的语音数据;根据所述语音数据确定所述用户的互动意图;获取与所述互动意图对应的互动动作参数;以及根据所述互动动作参数和虚拟人物模型生成互动动画,并向所述用户展示所述互动动画,能够有效地模拟真人互动场景,从而拓展虚拟人物模型的应用场景,提升了互动效率,提升了用户的互动体验。
Description
技术领域
本申请涉及计算机技术领域,具体涉及语音识别、自然语言处理、深度学习等人工智能技术领域,尤其涉及一种人机互动方法、装置、电子设备及存储介质。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
在虚拟人物模型的应用场景中,比如可支持采用真人视频录制来训练该虚拟人物模型,最终实现用该真人的音频合成该真人形象。
发明内容
提供了一种人机互动方法、装置、电子设备、存储介质及计算机程序产品。
根据第一方面,提供了一种人机互动方法,包括:获取用户输入的语音数据;根据所述语音数据确定所述用户的互动意图;获取与所述互动意图对应的互动动作参数;以及根据所述互动动作参数和虚拟人物模型生成互动动画,并向所述用户展示所述互动动画。
根据第二方面,提供了一种人机互动装置,包括:第一获取模块,用于获取用户输入的语音数据;确定模块,用于根据所述语音数据确定所述用户的互动意图;第二获取模块,用于获取与所述互动意图对应的互动动作参数;以及生成模块,用于根据所述互动动作参数和虚拟人物模型生成互动动画,并向所述用户展示所述互动动画。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请实施例的人机互动方法。
根据第四方面,提出了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请实施例公开的人机互动方法。
根据第五方面,提出了一种计算机程序产品,包括计算机程序,当所述计算机程序由处理器执行时实现本申请实施例公开的人机互动方法。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的示意图;
图2是根据本申请第二实施例的示意图;
图3是根据本申请第三实施例的示意图;
图4是根据本申请第四实施例的示意图;
图5是用来实现本申请实施例的人机互动方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请第一实施例的示意图。
其中,需要说明的是,本实施例的人机互动方法的执行主体为人机互动装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等。
本申请实施例涉及语音识别、自然语言处理、深度学习等人工智能技术领域。
其中,人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学。
深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。
自然语言处理,能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。
而语音识别,则是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术,语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。
如图1所示,该人机互动方法包括:
S101:获取用户输入的语音数据。
其中,用户输入的语音数据,可以例如为“今天天气如何?”。
在获取用户输入的语音数据时,可以直接经由电子设备的麦克风接收用户输入的语音数据,或者,也可以获取用户输入的一个语音文件(比如WAV格式的文件),并对该语音文件进行解析处理,从而得到相应的语音数据。
S102:根据语音数据确定用户的互动意图。
上述在获取用户输入的语音数据之后,可以实时地根据语音数据确定用户的互动意图,比如,当用户输入一段语音数据“今天天气如何?”,可以确定用户的互动意图为询问意图,当用户输入一段语音“帮忙查一下路线图”,可以确定用户的互动意图为服务意图,对此不做限制。
本申请实施例中,可以是由电子设备结合一些人工智能中的语义解析模型,来根据语音数据确定用户的互动意图。
可选地,一些实施例中,可以获取语音数据中的语音识别特征,并根据语音识别特征确定用户的互动意图,从而能够快速准确地确定出用户的互动意图。
其中的语音识别特征可以例如语音数据对应的语义,或者,也可以比如语音数据对应的音调等等。
本申请实施例中,语音识别特征包括:语义文本和情绪特征,其中的语义文本例如为,语音数据对应的语义,并根据该语义形成的文本(根据该语义形成的文本可以被称为语义文本),而情绪特征比如,高兴、不高兴、郁闷等等,在识别情绪特征时,可以是结合语义和音调等等,来识别相应的情绪特征,对此不做限制。
本申请实施例中,在获取语音数据中的语义文本和情绪特征后,可以采用语义文本和情绪特征辅助确定用户的互动意图,具体可以参见下述。
可选地,一些实施例中,在采用语义文本和情绪特征辅助确定用户的互动意图时,可以执行:如果语义文本包含互动指令词,则将互动指令词与预配置的互动关键词进行比对;如果互动指令词与互动关键词相匹配,则采用预配置的意图识别规则,获取与语义文本和情绪特征对应的互动意图。
举例而言,互动指令词用于触发控制虚拟人物模型与用户进行互动的功能,互动指令词比如“互动”、“服务”“闲聊”等等,则首先对语音数据进行语义解析,当识别到“互动”或者“服务”或者“闲聊”时,可以将识别到的内容与预配置的互动关键词(比如电子设备默认“闲聊”为预配置的互动关键词)进行比对,当识别到的“闲聊”与预配置的互动关键词“闲聊”相匹配时,可以确定用户具有与虚拟人物模型进行互动的需求,该过程可以被视为一个对虚拟人物模型进行唤醒的过程。
而后,当确定用户具有与虚拟人物模型进行互动的需求时,可以进一步地采用预配置的意图识别规则,获取与语义文本和情绪特征对应的互动意图。
也即是说,在确定用户具有与虚拟人物模型进行互动的需求时,确定相应的互动意图,能够节约电子设备识别互动意图的硬件或者软件资源消耗,提升互动意图的获取效率,当确定用户具有与虚拟人物模型进行互动的需求时,可以结合语义文本和情绪特征确定对应的互动意图,比如是服务意图还是询问意图还是闲聊意图,能够有效提升互动意图识别的准确性。
另外一些实施例中,如果确定用户不具有与虚拟人物模型进行互动的需求时,还可以获取默认动作参数,并根据默认动作参数和虚拟人物模型生成默认动画。
可选地,可从预配置的默认动作库之中,随机读取默认动作参数,从而能够快速地确定出默认动作参数。
上述默认动作比如真实人处于自然状态下的一些撩头发、眨眼等,而默认动作参数,比如控制虚拟人物模型做出撩头发、眨眼等默认动作的一些控制参数。
本申请实施例中,在未触发虚拟人物模型进行互动,或者互动完成之后,则可以获取默认动作参数,并根据默认动作参数和虚拟人物模型生成默认动画(将默认动作参数与虚拟人物模型进行合成,从而呈现控制虚拟人物模型做出撩头发、眨眼等默认动作的效果的动画,可以被称为默认动画),并显示该默认动画,使得虚拟人物模型的拟人效果更加逼真,从而在保障互动效果的同时,丰富了虚拟人物模型的应用场景。
S103:获取与互动意图对应的互动动作参数。
其中的互动动作,可以为虚拟人物模型与用户进行互动时做出的一些动作,比如在为用户提供服务时,虚拟人物模型做出一些抬手、点头、微笑等动作。
而互动动作参数,为控制虚拟人物模型做出抬手、点头、微笑等互动动作的一些控制参数。
比如,可以将互动意图输入至互动参数获取模型中,根据互动参数获取模型的输出得到与互动意图对应的互动动作参数,对此不做限制。
其中的互动参数获取模型可以是提前训练好的,并将其预存在电子设备的存储空间中,以方便调取应用,该存储空间不仅限于基于实体的存储空间,例如,硬盘,还可以是连接电子设备的网络硬盘的存储空间(云存储空间)。
本申请实施例中,在执行获取与互动意图对应的互动动作参数的步骤时,可以是从语义文本中识别出与互动指令词对应的互动语义,并生成与互动语义和互动意图对应的互动动作参数。
举例而言,互动指令词用于触发控制虚拟人物模型与用户进行互动的功能,互动指令词比如“互动”、“服务”“闲聊”等等,则首先对语音数据进行语义解析,当识别到“互动”或者“服务”或者“闲聊”时,并且对虚拟人物模型进行唤醒之后,可以识别与互动指令词“闲聊”对应的互动语义,该互动语义比如,与该段语义文本对应的“闲聊”的具体的语义内容,比如,当语义文本为“闲聊一下,你喜欢吃面条吗?”,则由于识别到了互动指令词“闲聊”,则可以解析到“闲聊”的具体的语义内容(被称为互动语义)为“你喜欢吃面条吗?”,对此不做限制。
上述在执行获取与互动意图对应的互动动作参数的步骤时,可以首先从语义文本中识别出与互动指令词对应的互动语义,从而辅助后续生成与互动语义和互动意图对应的互动动作参数,能够有效提升所生成的互动动作参数与互动语义和互动意图之间的匹配程度,提升虚拟人物模型的互动控制效果。
S104:根据互动动作参数和虚拟人物模型生成互动动画,并向用户展示互动动画。
具体地,电子设备在获取到与互动意图对应的互动动作参数后,可将该互动动作参数代入虚拟人物模型对应的函数公式进行计算,以生成互动动画,并向用户展示互动动画,该虚拟人物模型对应的函数公式可根据实际情况进行标定,此处不做任何限定。
本实施例中,通过获取用户输入的语音数据,根据语音数据确定用户的互动意图,并获取与互动意图对应的互动动作参数,以及根据互动动作参数和虚拟人物模型生成互动动画,并向用户展示互动动画,由于是采用与用户输入的语音数据对应的互动意图,确定虚拟人物模型的互动动作参数,并根据互动动作参数和虚拟人物模型生成互动动画,以与用户进行互动,从而能够有效地模拟真人互动场景,从而拓展虚拟人物模型的应用场景,提升了互动效率,提升了用户的互动体验。
图2是根据本申请第二实施例的示意图。
如图2所示,该人机互动方法包括:
S201:获取用户输入的语音数据。
S202:获取语音数据中的语音识别特征。
S203:根据语音识别特征确定用户的互动意图。
S204:从语义文本中识别出与互动指令词对应的互动语义。
步骤S201-S204的描述可以具体参见上述实施例,在此不再赘述。
S205:获取与互动意图对应的候选互动动作参数。
也即是说,本申请实施例中支持预先配置一个互动动作参数的富集合,该富集合之中可以包括多种互动意图,以及与每种互动意图对应的一些可选的互动动作参数。
则在从语义文本中识别出与互动指令词对应的互动语义之后,可以首先获取与互动意图对应的一些可选的互动动作参数(该与互动意图对应的一些可选的互动动作参数,可以被称为候选互动动作参数),而后,在候选互动动作参数之中确定出对应的互动动作参数,从而能够保证互动动作参数的多样性和丰富性,提升互动动作参数呈现的灵活性,并且提升互动动作参数与互动场景的适配性。
S206:确定与互动语义对应的语音互动数据。
结合上述示例,比如互动语义为“你喜欢吃面条吗?”,则针对该互动语义的答复语音数据,可以被称为语音互动数据,语音互动数据比如“喜欢吃!”,对此不做限制。
也即是说,本申请实施例中支持同时采用互动动作参数和语音互动数据来合成互动动画,从而使得虚拟人物模型具有更真实的互动效果,提升用户的互动体验度。
S207:从候选互动动作参数之中,选取出与语音互动数据匹配的候选互动动作参数并作为对应的互动动作参数。
上述在获取与互动意图对应的候选互动动作参数,并确定与互动语义对应的语音互动数据之后,可以从候选互动动作参数之中,选取出与语音互动数据匹配的候选互动动作参数并作为对应的互动动作参数,比如,语音互动数据比如“喜欢吃!”,则匹配的候选互动动作参数可以是“高频率点头”的动作参数,又比如,语音互动数据比如“不喜欢吃!”,则匹配的候选互动动作参数可以是“摇头”的动作参数,对此不做限制。
S208:根据互动动作参数和虚拟人物模型生成初始互动动画。
也即是说,在选取出与语音互动数据匹配的候选互动动作参数并作为对应的互动动作参数,可以首先采用互动动作参数和虚拟人物模型生成初始互动动画,而后触发后续步骤。
S209:对语音互动数据和初始互动动画进行合成处理,得到目标互动动画,并向用户展示目标互动动画。
采用互动动作参数和虚拟人物模型生成初始互动动画之后,进一步地,可以将语音互动数据与初始互动动画进行合成处理,使得合成得到的目标互动动画在作出相应的互动动作的同时,还能够输出语音互动数据,从而能够有效地模拟真人互动场景。
本实施例中,通过获取用户输入的语音数据,根据语音数据确定用户的互动意图,并获取与互动意图对应的互动动作参数,以及根据互动动作参数和虚拟人物模型生成互动动画,并向用户展示互动动画,由于是采用与用户输入的语音数据对应的互动意图,确定虚拟人物模型的互动动作参数,并根据互动动作参数和虚拟人物模型生成互动动画,以与用户进行互动,从而能够拓展虚拟人物模型的应用场景,提升了互动效率,提升了用户的互动体验。通过在与互动意图对应的候选互动动作参数之中确定出与语音互动数据匹配的互动动作参数,从而能够保证互动动作参数的多样性和丰富性,提升互动动作参数呈现的灵活性,并且提升互动动作参数与互动场景的适配性。支持同时采用互动动作参数和语音互动数据来合成互动动画,从而使得虚拟人物模型具有更真实的互动效果,提升用户的互动体验度。采用互动动作参数和虚拟人物模型生成初始互动动画之后,进一步地,可以将语音互动数据与初始互动动画进行合成处理,使得合成得到的目标互动动画在作出相应的互动动作的同时,还能够输出语音互动数据,从而能够有效地模拟真人互动场景。
图3是根据本申请第三实施例的示意图。
如图3所示,该人机互动装置30,包括:
第一获取模块301,用于获取用户输入的语音数据。
确定模块302,用于根据语音数据确定用户的互动意图。
第二获取模块303,用于获取与互动意图对应的互动动作参数。
生成模块304,用于根据互动动作参数和虚拟人物模型生成互动动画,并向用户展示互动动画。
在本申请的一些实施例中,其中,确定模块302,具体用于:
获取语音数据中的语音识别特征;
根据语音识别特征确定用户的互动意图。
在本申请的一些实施例中,语音识别特征包括:语义文本和情绪特征,其中,确定模块302,还用于:
如果语义文本包含互动指令词,则将互动指令词与预配置的互动关键词进行比对;
如果互动指令词与互动关键词相匹配,则采用预配置的意图识别规则,获取与语义文本和情绪特征对应的互动意图。
在本申请的一些实施例中,其中,第二获取模块303,具体用于:
从语义文本中识别出与互动指令词对应的互动语义;
生成与互动语义和互动意图对应的互动动作参数。
在本申请的一些实施例中,其中,第二获取模块303,还用于:
获取与互动意图对应的候选互动动作参数;
确定与互动语义对应的语音互动数据;
从候选互动动作参数之中,选取出与语音互动数据匹配的候选互动动作参数并作为对应的互动动作参数。
在本申请的一些实施例中,其中,生成模块304,具体用于:
根据互动动作参数和虚拟人物模型生成初始互动动画;
对语音互动数据和初始互动动画进行合成处理,得到目标互动动画,并向用户展示目标互动动画。
在本申请的一些实施例中,参见图4,图4是根据本申请第四实施例的示意图,该人机互动装置40,包括:第一获取模块401、确定模块402、第二获取模块403、生成模块404,该人机互动装置40还包括:
第三获取模块405,用于获取默认动作参数;
生成模块404,还用于根据默认动作参数和虚拟人物模型生成默认动画。
在本申请的一些实施例中,第三获取模块405,具体用于:
从预配置的默认动作库之中,随机读取默认动作参数。
可以理解的是,本实施例附图4中的人机互动装置40与上述实施例中的人机互动装置30,第一获取模块401与上述实施例中的第一获取模块301,确定模块402与上述实施例中的确定模块302,第二获取模块403与上述实施例中的第二获取模块303,以及生成模块404与上述实施例中的生成模块304,可以具有相同的功能和结构。
需要说明的是,前述对人机互动方法的解释说明也适用于本实施例的人机互动装置,此处不再赘述。
本实施例中,通过获取用户输入的语音数据,根据语音数据确定用户的互动意图,并获取与互动意图对应的互动动作参数,以及根据互动动作参数和虚拟人物模型生成互动动画,并向用户展示互动动画,由于是采用与用户输入的语音数据对应的互动意图,确定虚拟人物模型的互动动作参数,并根据互动动作参数和虚拟人物模型生成互动动画,以与用户进行互动,从而能够有效地模拟真人互动场景,从而拓展虚拟人物模型的应用场景,提升了互动效率,提升了用户的互动体验。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图5所示,图5是用来实现本申请实施例的人机互动方法的电子设备的框图。是根据本申请实施例的人机互动方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的人机互动方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的人机互动方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的人机互动方法对应的程序指令/模块(例如,附图3所示的第一获取模块301、确定模块302、第二获取模块303,以及生成模块304)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的人机互动方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据执行人机互动方法的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
该电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与该电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (19)
1.一种人机互动方法,包括:
获取用户输入的语音数据;
根据所述语音数据确定所述用户的互动意图;
获取与所述互动意图对应的互动动作参数;以及
根据所述互动动作参数和虚拟人物模型生成互动动画,并向所述用户展示所述互动动画。
2.根据权利要求1所述的方法,其中,所述根据所述语音数据确定所述用户的互动意图,包括:
获取所述语音数据中的语音识别特征;
根据所述语音识别特征确定所述用户的互动意图。
3.根据权利要求2所述的方法,所述语音识别特征包括:语义文本和情绪特征,其中,所述根据所述语音识别特征确定所述用户的互动意图,包括:
如果所述语义文本包含互动指令词,则将所述互动指令词与预配置的互动关键词进行比对;
如果所述互动指令词与所述互动关键词相匹配,则采用预配置的意图识别规则,获取与所述语义文本和所述情绪特征对应的互动意图。
4.根据权利要求3所述的方法,其中,所述获取与所述互动意图对应的互动动作参数,包括:
从所述语义文本中识别出与所述互动指令词对应的互动语义;
生成与所述互动语义和所述互动意图对应的互动动作参数。
5.根据权利要求4所述的方法,其中,所述生成与所述互动语义和所述互动意图对应的互动动作参数,包括:
获取与所述互动意图对应的候选互动动作参数;
确定与所述互动语义对应的语音互动数据;
从所述候选互动动作参数之中,选取出与所述语音互动数据匹配的候选互动动作参数并作为所述对应的互动动作参数。
6.根据权利要求5所述的方法,其中,所述根据所述互动动作参数和虚拟人物模型生成互动动画,并向所述用户展示所述互动动画,包括:
根据所述互动动作参数和虚拟人物模型生成初始互动动画;
对所述语音互动数据和所述初始互动动画进行合成处理,得到目标互动动画,并向所述用户展示所述目标互动动画。
7.根据权利要求5所述的方法,在所述获取用户输入的语音数据前,还包括:
获取默认动作参数;
根据所述默认动作参数和所述虚拟人物模型生成默认动画。
8.根据权利要求7所述的方法,其中,所述获取默认动作参数,包括:
从预配置的默认动作库之中,随机读取所述默认动作参数。
9.一种人机互动装置,包括:
第一获取模块,用于获取用户输入的语音数据;
确定模块,用于根据所述语音数据确定所述用户的互动意图;
第二获取模块,用于获取与所述互动意图对应的互动动作参数;以及
生成模块,用于根据所述互动动作参数和虚拟人物模型生成互动动画,并向所述用户展示所述互动动画。
10.根据权利要求9所述的装置,其中,所述确定模块,具体用于:
获取所述语音数据中的语音识别特征;
根据所述语音识别特征确定所述用户的互动意图。
11.根据权利要求10所述的装置,所述语音识别特征包括:语义文本和情绪特征,其中,所述确定模块,还用于:
如果所述语义文本包含互动指令词,则将所述互动指令词与预配置的互动关键词进行比对;
如果所述互动指令词与所述互动关键词相匹配,则采用预配置的意图识别规则,获取与所述语义文本和所述情绪特征对应的互动意图。
12.根据权利要求11所述的装置,其中,所述第二获取模块,具体用于:
从所述语义文本中识别出与所述互动指令词对应的互动语义;
生成与所述互动语义和所述互动意图对应的互动动作参数。
13.根据权利要求12所述的装置,其中,所述第二获取模块,还用于:
获取与所述互动意图对应的候选互动动作参数;
确定与所述互动语义对应的语音互动数据;
从所述候选互动动作参数之中,选取出与所述语音互动数据匹配的候选互动动作参数并作为所述对应的互动动作参数。
14.根据权利要求13所述的装置,其中,所述生成模块,具体用于:
根据所述互动动作参数和虚拟人物模型生成初始互动动画;
对所述语音互动数据和所述初始互动动画进行合成处理,得到目标互动动画,并向所述用户展示所述目标互动动画。
15.根据权利要求13所述的装置,还包括:
第三获取模块,用于获取默认动作参数;
所述生成模块,还用于根据所述默认动作参数和所述虚拟人物模型生成默认动画。
16.根据权利要求15所述的装置,其中,所述第三获取模块,具体用于:
从预配置的默认动作库之中,随机读取所述默认动作参数。
17.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,当所述计算机程序由处理器执行时实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011364599.9A CN112527105B (zh) | 2020-11-27 | 2020-11-27 | 人机互动方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011364599.9A CN112527105B (zh) | 2020-11-27 | 2020-11-27 | 人机互动方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112527105A true CN112527105A (zh) | 2021-03-19 |
CN112527105B CN112527105B (zh) | 2023-07-21 |
Family
ID=74994694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011364599.9A Active CN112527105B (zh) | 2020-11-27 | 2020-11-27 | 人机互动方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112527105B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114415997A (zh) * | 2021-12-20 | 2022-04-29 | 北京百度网讯科技有限公司 | 显示参数设置方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140088952A1 (en) * | 2012-09-25 | 2014-03-27 | United Video Properties, Inc. | Systems and methods for automatic program recommendations based on user interactions |
CN107329990A (zh) * | 2017-06-06 | 2017-11-07 | 北京光年无限科技有限公司 | 一种用于虚拟机器人的情绪输出方法以及对话交互*** |
CN107765852A (zh) * | 2017-10-11 | 2018-03-06 | 北京光年无限科技有限公司 | 基于虚拟人的多模态交互处理方法及*** |
CN110647636A (zh) * | 2019-09-05 | 2020-01-03 | 深圳追一科技有限公司 | 交互方法、装置、终端设备及存储介质 |
CN111667811A (zh) * | 2020-06-15 | 2020-09-15 | 北京百度网讯科技有限公司 | 语音合成方法、装置、设备和介质 |
CN111833418A (zh) * | 2020-07-14 | 2020-10-27 | 北京百度网讯科技有限公司 | 动画交互方法、装置、设备以及存储介质 |
-
2020
- 2020-11-27 CN CN202011364599.9A patent/CN112527105B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140088952A1 (en) * | 2012-09-25 | 2014-03-27 | United Video Properties, Inc. | Systems and methods for automatic program recommendations based on user interactions |
CN107329990A (zh) * | 2017-06-06 | 2017-11-07 | 北京光年无限科技有限公司 | 一种用于虚拟机器人的情绪输出方法以及对话交互*** |
CN107765852A (zh) * | 2017-10-11 | 2018-03-06 | 北京光年无限科技有限公司 | 基于虚拟人的多模态交互处理方法及*** |
CN110647636A (zh) * | 2019-09-05 | 2020-01-03 | 深圳追一科技有限公司 | 交互方法、装置、终端设备及存储介质 |
CN111667811A (zh) * | 2020-06-15 | 2020-09-15 | 北京百度网讯科技有限公司 | 语音合成方法、装置、设备和介质 |
CN111833418A (zh) * | 2020-07-14 | 2020-10-27 | 北京百度网讯科技有限公司 | 动画交互方法、装置、设备以及存储介质 |
Non-Patent Citations (2)
Title |
---|
李雪林: "基于人机互动的语音识别技术综述", 探索与观察, pages 105 * |
杨童;: "拟人化理论在语音交互中的体验重塑", 青年记者, no. 18 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114415997A (zh) * | 2021-12-20 | 2022-04-29 | 北京百度网讯科技有限公司 | 显示参数设置方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112527105B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11587300B2 (en) | Method and apparatus for generating three-dimensional virtual image, and storage medium | |
US10586369B1 (en) | Using dialog and contextual data of a virtual reality environment to create metadata to drive avatar animation | |
US10521946B1 (en) | Processing speech to drive animations on avatars | |
US10732708B1 (en) | Disambiguation of virtual reality information using multi-modal data including speech | |
KR102565673B1 (ko) | 시멘틱 표현 모델의 생성 방법, 장치, 전자 기기 및 저장 매체 | |
JP7264866B2 (ja) | イベント関係の生成方法、装置、電子機器及び記憶媒体 | |
JP2021120863A (ja) | 情報を生成するための方法及び装置、電子機器、記憶媒体並びにコンピュータプログラム | |
CN112509552B (zh) | 语音合成方法、装置、电子设备和存储介质 | |
CN111177355B (zh) | 基于搜索数据的人机对话交互方法、装置和电子设备 | |
JP2021168139A (ja) | マンマシンインタラクションのための方法、装置、機器および媒体 | |
CN111241245B (zh) | 人机交互处理方法、装置及电子设备 | |
CN115082602B (zh) | 生成数字人的方法、模型的训练方法、装置、设备和介质 | |
US11232645B1 (en) | Virtual spaces as a platform | |
JP2021131858A (ja) | エンティティワードの認識方法と装置 | |
CN112434139A (zh) | 信息交互方法、装置、电子设备和存储介质 | |
CN111966212A (zh) | 基于多模态的交互方法、装置、存储介质及智能屏设备 | |
CN111324715A (zh) | 问答机器人的生成方法和装置 | |
JP2021170310A (ja) | 対話生成方法、装置、電子機器、プログラム及び記憶媒体 | |
CN111782181A (zh) | 代码生成方法、装置、电子设备以及存储介质 | |
CN113516491B (zh) | 推广信息展示方法、装置、电子设备及存储介质 | |
CN115631251A (zh) | 基于文本生成图像的方法、装置、电子设备和介质 | |
JP2022028889A (ja) | 対話生成方法、装置、電子機器及び記憶媒体 | |
CN112559715B (zh) | 态度的识别方法、装置、设备及存储介质 | |
CN112527105B (zh) | 人机互动方法、装置、电子设备及存储介质 | |
CN112270169B (zh) | 对白角色预测方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |